{"status":"success","response_data":[["Apple","appl!e",1.0]]}
curl --location --request POST 'https://zylalabs.com/api/11917/similarity+api+-+batch+text+similarity+processing/22650/dedupe?data=["Apple", "appl!e"]' --header 'Authorization: Bearer YOUR_API_KEY'
Después de registrarte, a cada desarrollador se le asigna una clave de acceso a la API personal, una combinación única de letras y dígitos proporcionada para acceder a nuestro endpoint de la API. Para autenticarte con el alta performance en similitud API simplemente incluye tu token de portador en el encabezado de Autorización.
| Encabezado | Descripción |
|---|---|
Autorización
|
Requerido
Debería ser Bearer access_key. Consulta "Tu Clave de Acceso a la API" arriba cuando estés suscrito.
|
Sin compromiso a largo plazo. Mejora, reduce o cancela en cualquier momento. La Prueba Gratuita incluye hasta 50 solicitudes.
API de similitud de alto rendimiento es una API de coincidencia difusa y deduplicación de alta velocidad, diseñada para datos desordenados en el mundo real. Ayuda a identificar registros casi duplicados y armoniza entidades cuando los valores no coinciden exactamente: errores de ortografía, diferencias de mayúsculas y minúsculas, puntuación faltante, problemas de espacios, abreviaturas y cambios leves en el orden de las palabras
No necesita construir y ajustar su propio canal de coincidencia difusa, solo envíe cadenas (o registros) a la API y obtenga resultados de coincidencia de puntuaciones de similitud en los que puede confiar. La salida típica incluye pares coincidentes (por ejemplo, "Apple" ↔ "apple inc."), puntajes de similitud y resultados estructurados que son fáciles de incorporar en flujos de trabajo de limpieza de datos, CRM, trabajos de ETL y canales de análisis
Casos de uso comunes:
Eliminar duplicados de listas: Buscar duplicados en conjuntos de datos (coincidencias exactas) y devolver posibles pares duplicados
Conciliar con la lista maestra: Comparar listas entrantes con un conjunto de referencia (lista contra maestro)
CRM y limpieza de datos de clientes: Limpiar registros de clientes potenciales/cuentas/empresas que se ven afectados por duplicados en informes y promociones
Resolución de entidades y vinculación de registros: Conectar referencias a la misma entidad del mundo real en diversas fuentes
Razones por las cuales los equipos lo utilizan:
Listo para usar para tratar texto desordenado (sin necesidad de crear reglas manualmente para cada caso extremo)
Puntuaciones de similitud para clasificaciones y umbrales (puede elegir el grado de rigor)
Construido para escalabilidad y automatización (diseñado para funcionar en un canal, no solo como un script de una sola vez)
El endpoint Dedupe devuelve un objeto JSON que contiene pares de cadenas coincidentes, puntajes de similitud y resultados deduplicados opcionales La salida puede ser formateada como pares de cadenas, pares de índices o cadenas deduplicadas dependiendo de la configuración especificada
Los campos clave en los datos de respuesta incluyen "estado" (indicando éxito o error) y "datos_de_respuesta" que contiene los resultados formateados de acuerdo con la solicitud del usuario como pares coincidentes o cadenas desduplicadas
Los usuarios pueden personalizar las solicitudes ajustando parámetros en el objeto "config" como "similarity_threshold" para la rigurosidad de coincidencias "remove_punctuation" para el preprocesamiento y "output_format" para elegir la estructura de resultado deseada
Los datos de respuesta están organizados como un arreglo de resultados donde cada entrada corresponde a un partido o cadena desduplicada Dependiendo del formato de salida las entradas pueden incluir cadenas originales índices y puntajes de similitud facilitando una fácil integración en flujos de trabajo
Los casos de uso típicos incluyen la deduplicación de listas de clientes la conciliación de registros con una lista maestra la limpieza de datos de CRM y la resolución de entidades a través de diferentes fuentes de datos para garantizar la integridad y precisión de los datos
La precisión de los datos se mantiene a través de avanzados algoritmos de coincidencia difusa que tienen en cuenta problemas comunes de datos como errores tipográficos y diferencias en mayúsculas y minúsculas La API está diseñada para manejar datos desordenados de manera efectiva asegurando resultados de coincidencia confiables
Los valores de parámetro aceptados incluyen "similarity_threshold" (0 a 1), "remove_punctuation" (booleano), "to_lowercase" (booleano), "use_token_sort" (booleano) y "top_k" (entero o "todos"). Estos parámetros permiten a los usuarios ajustar el proceso de coincidencia a sus necesidades específicas
Si el punto final de Dedupe devuelve resultados parciales o vacíos, los usuarios deben verificar los datos de entrada en busca de problemas de calidad, como duplicados excesivos o umbrales de similitud muy bajos. Ajustar el "umbrales_de_similitud" o revisar la lista de entrada puede ayudar a mejorar los resultados